A Grounded Theory of Cognitive Load Drivers in Novice Agile Software Development Teams
目的:本文的目的是确定新手在团队中开发软件所面临的最大认知挑战。方法:使用扎根理论,我们进行了为期两个月的民族志研究后,四个十人的新手团队,由计算机科学的学生,开发软件系统。结果:本文确定版本控制和合并操作的新手所面临的最大挑战。文献研究表明,很少有研究似乎已经从用户的角度在版本控制领域进行。局限性:对学生的定性研究并不适用于所有情况,但其结果是可信的,有数据依据,并得到现有文献的证实。结论:我们的结论是,我们的研究结果激励进一步研究的认知角度,以指导改进软件工程及其工具。
2021-07-09 cs.SE
A Cognitive and Machine Learning-Based Software Development Paradigm Supported by Context
认知和机器学习(ML)使能系统的使用的进步推动了对新方法和工具的追求,以支持支持软件开发人员执行他们的任务。首先,由于软件开发是一项复杂和动态的活动,这些任务高度依赖于软件项目及其上下文的特征,开发人员需要基于任务上下文的信息和指导方面的全面支持。其次,缺乏基于会话引导代理的方法,这些方法考虑了注意力和记忆力等认知方面。第三,还缺乏利用历史隐式或隐性数据来推断关于项目任务的新知识的技术,诸如相关任务、任务专家、任务完成和警告所需的相关信息,以及过程的导航方面,诸如接下来执行什么任务和最佳任务排序。基于这些挑战,本文介绍了一种新的模式,人机软件支持的背景下,认知辅助,和机器学习,并简要介绍了正在进行的研究活动,以实现这一模式。该研究利用了上下文感知软件流程、聊天机器人等认知计算和推荐系统等机器学习中提供的紧急方法之间的协同作用。这些新颖的范例有可能改变软件开发的方式,允许开发人员在参与项目时实时接收有价值的信息和指导。
2021-02-10 cs.SE
Cognition in Software Engineering: A Taxonomy and Survey of a Half-Century of Research
认知在大多数软件工程活动中起着基础性的作用。这篇文章提供了一个认知概念的分类和一个自软件工程学科开始以来的文献综述。该分类法包括感知、注意力、记忆、认知负荷、推理、认知偏差、知识、社会认知、认知控制和错误等顶级概念,以及定性和定量评估这些概念的程序。分类法提供了一个有用的工具来过滤现有的研究,分类新的研究,并支持研究人员熟悉一个(子)领域。在文献调查中,我们系统地收集和分析了跨越五十年的311篇科学论文,并使用分类学中的认知概念对它们进行分类。我们的分析表明,最发达的研究领域对应于四个生命周期阶段,软件需求,设计,施工和维护。大多数研究是定量的,侧重于知识,认知负荷,记忆和推理。总的来说,从认知的角度来看,最先进的技术似乎是支离破碎的。缺乏对认知概念的使用,这些概念将代表在特定任务中活跃的认知过程的连贯画面。因此,我们讨论了每个认知概念的研究差距,并为未来的研究提供建议。
2022-01-14 cs.SE
A Socio-Technical Grounded Theory on the Effect of Cognitive Dysfunctions in the Performance of Software Developers with ADHD and Autism
本文运用社会技术扎根理论,基于对25名神经发散和5名神经典型软件从业者的访谈与调查,揭示ASD和ADHD相关认知功能障碍对软件工程绩效的影响及其调节机制,并提出包容性敏捷实践建议。
2024-11-21 cs.SE
Measuring Cognitive Load of Software Developers Based on Nasal Skin Temperature
最近,衡量开发人员的认知负荷变得越来越重要。这是因为在高认知负荷下继续开发可能会导致人为错误。因此,为了自动测量认知负荷,现有的研究使用了生物特征测量,如脑电波和心率。然而,开发人员在测量时往往需要配备某些设备,因此可能会造成身体负担。在这项研究中,我们评估了基于鼻皮肤温度的非侵入性生物测量的可行性。鼻皮肤温度已被广泛应用于其他领域,以衡量精神状态。在本实验中,受试者创建小的Java程序,我们估计他们的认知负荷使用建议的生物计量措施的基础上,鼻腔皮肤温度。结果表明,拟议的生物鉴别措施比非生物鉴别措施更有效。因此,基于鼻皮肤温度的生物特征测量有希望用于估计开发人员的认知负荷。
2022-04-01 cs.SE
Combined Intuition and Rationality Increases Software Feature Novelty for Female Software Designers
克服社会的复杂问题需要新的解决方案。在设计针对这些问题的软件时,应用不同的认知风格可以促进新颖性。通过对80名软件设计从业者的实验,我们发现,偏好一种以上认知风格(直觉和理性)的女性从业者产生了所有参与者中最新颖的软件功能。
2020-12-10 cs.SE
From Technical Debt to Cognitive and Intent Debt: Rethinking Software Health in the Age of AI
University of Victoria(维多利亚大学)
本文提出三债务模型,探讨生成式AI如何改变软件健康中技术、认知和意图债务的相对重要性及应对方法。
2026-04-06 cs.SE
Consensus in Software Engineering: A Cognitive Mapping Study
背景资料:包括柯林斯、费耶阿本德、库恩和拉图尔在内的科学哲学家都强调了科学实践共同体内部共识的重要性。共识对于保持与外界的合法性,协调未来的研究,开发教育课程和商定行业标准非常重要。相反,低共识会破坏一个领域的声誉,阻碍同行评议。目的:本文旨在调查软件工程学术团体内关于成员的软件工程隐含理论的共识程度。方法:一个方便的样本60软件工程研究人员制作的图表,描述他们的核心软件工程结构之间的因果关系的个人理解。然后分析图表的模式和聚类。结果如下:至少有三个思想流派正在形成;然而,它们的解释并不清楚,因为它们与社区内已知的划分不一致(例如敏捷与计划驱动方法)。此外,超过三分之一的参与者不属于任何集群。结论:虽然社会科学中普遍存在低共识,但在软件工程中观察到的快速创新表明,如果重新致力于实证主义和循证实践,则可以实现高度共识。
2018-02-18 cs.SE
Using CognitIDE to Capture Developers' Cognitive Load via Physiological Activity During Everyday Software Development Tasks
本文提出使用基于 IntelliJ 的插件 CognitIDE,在开发者执行日常软件开发任务时收集、映射并可视化其生理活动数据,以无干扰地捕获认知负荷,实验证明该插件能有效支持长达一小时的数据收集并反映任务期间的认知负荷变化。
2025-03-05 cs.SE
Cognitive Process of Comprehension in Requirement Analysis in IT Applications
需求分析是软件开发中的一个重要阶段,它涉及到对客户需求的理解。它包括从客户那里收集信息,这些信息是关于客户的需求以及他对要开发的软件的期望。通过这样做,你可以更好地了解客户的实际需求,从而可以按照客户的要求提供输出。目前正在进行研究,以改进需求分析过程,从而尽量减少软件开发中的错误,从而提供更好和可靠的产品。
2010-02-16 cs.SE
Beyond Productivity: Measuring Developers' Cognitive Load During GenAI-Supported Software Development
Hasso Plattner Institute, University of Potsdam(波茨坦大学哈索·普拉特纳研究所);SAP Labs(SAP实验室)
本研究通过四天工业现场实验,发现GenAI使用和任务背景与开发者感知认知负荷相关,生理数据仅提供有限补充信息,建议结合工作背景评估认知负荷。
2026-09-30 cs.HC cs.SE
Automatizing Software Cognitive Complexity Reduction through Integer Linear Programming
本文针对代码认知复杂度降低问题,提出将重构操作序列建模为整数线性规划,利用高效求解器替代穷举枚举,以实现在大规模程序中的最优解。
2024-02-08 cs.CC cs.SE
How Does Cognitive Capability and Personality Influence Problem Solving in Coding Interview Puzzles?
RMIT University(皇家墨尔本理工大学);Heidelberg University(海德堡大学);Monash University(蒙纳士大学)
研究探讨了认知能力和个性特征对编码面试问题解决的影响,发现尽责性和开放性与问题解决准确性正相关,神经质则呈负相关。
2026-01-29 cs.SE
Multi-objective Integer Linear Programming approach for Automatic Software Cognitive Complexity Reduction
University of Málaga(马拉加大学);Ayesa Advanced Digital Services Limited (ASDA)(阿耶萨高级数字服务有限公司)
本文提出多目标整数线性规划方法,用于自动降低软件的认知复杂度,通过平衡代码行数与复杂度来提升代码可维护性。
2026-01-29 cs.CL cs.SE
Cognitive-Driven Development Helps Software Teams to Keep Code Units Under the Limit!
本文研究了巴西科技公司团队使用认知驱动开发(CDD)从零构建学习管理工具的经验,发现CDD能有效控制代码单元规模并简化测试,但开发者会根据实际复杂性适当放宽限制。
2023-05-24 cs.SE
SCoPE: Evaluating LLMs for Software Vulnerability Detection
本研究提出SCoPE框架优化CVEFixes数据集,并微调三个预训练大语言模型进行软件漏洞检测,最佳模型F1分数达53%。
2024-07-19 cs.AI cs.CR cs.LG
Epistemological Debt: A Conceptual Framework for AI-Dependent Software Engineering
TalentGuard;Georgia Institute of Technology(佐治亚理工学院);Purdue University(普渡大学)
本文研究AI依赖软件工程中认知退化与系统崩溃问题,提出知识债务概念,揭示过度依赖AI验证对人类认知的影响,并通过亚马逊2026年故障案例,强调需建立严谨的人工智能教育标准以维持系统韧性。
2026-10-19 cs.CY cs.SE
Cognitive Biases in LLM-Assisted Software Development
University of Southern California(南加州大学);Naval Postgraduate School(海军研究生院)
本文研究了大语言模型辅助软件开发中的认知偏差,通过混合方法分析发现LLM相关行动更易产生新型偏差,并提出15种偏差类别及缓解建议。
2026-01-12 cs.HC cs.SE
Scoping Software Process Models - Initial Concepts and Experience from Defining Space Standards
通过集成、协调和标准化异构的、通常是隐式的过程来定义过程标准是一项重要的任务,特别是对于大型开发组织。然而,存在许多挑战,例如限制过程标准的范围,处理不同级别的过程模型抽象,以及识别要包括在标准中的相关过程可变性。一方面,通过构建具有更高解释程度的更抽象的模型来消除过程可变性具有许多缺点,例如对过程的控制较少。另一方面,集成各种可变性会导致高的过程部署成本。本文描述了根据未来生产的潜在产品的特征、未来预期的项目以及所需的相应过程能力来确定过程标准范围的要求和概念。此外,本文还概述了确定卫星软件开发空间过程标准范围的经验。最后,相关的工作方面的过程模型的范围,结论和展望未来的工作。
2014-01-31 cs.SE
Theory of Troubleshooting: The Developer's Cognitive Experience of Overcoming Confusion
University of Victoria(维多利亚大学)
本文提出了一种基于认知科学的调试理论,旨在解释开发者在调试过程中面临挑战及认知疲劳的原因,并通过实证研究为开发者经验研究提供理论基础。
2026-02-16 cs.SE
"I'm Not Reading All of That": Understanding Software Engineers' Level of Cognitive Engagement with Agentic Coding Assistants
York University(约克大学)
研究探讨软件工程师在使用代理编码助手时的认知参与度变化,指出当前设计缺乏反思和验证机制,提出通过更丰富的交互方式和认知强制机制来提升深度思考。
2026-03-18 cs.AI cs.HC cs.SE
Cognitive Agents Powered by Large Language Models for Agile Software Project Management
本文研究在SAFe框架中集成LLM驱动的认知智能体,通过CogniSim平台模拟验证其在任务委派、智能体间通信和项目生命周期管理中的能力,证明其能显著提升任务完成时间、交付物质量和通信连贯性,为敏捷软件项目管理带来范式转变。
2025-08-21 cs.MA cs.SE
Implementing GenAI-Supported Learning in Software Engineering and Computer Science Education using Bloom's Taxonomy
Queen’s University Belfast(贝尔法斯特女王大学);Azerbaijan Technical University(阿塞拜疆技术大学);Qarabağ University(卡拉巴赫大学)
本研究设计布鲁姆分类法对齐的生成式AI框架,通过多课程实验发现:学生认为生成式AI对高阶认知活动最有价值,明确指导能促进反思性使用,为负责任使用生成式AI提供了可扩展的教学框架。
2026-06-29 cs.SE
Is General-Purpose AI Reasoning Sensitive to Data-Induced Cognitive Biases? Dynamic Benchmarking on Typical Software Engineering Dilemmas
Collegium Helveticum, ETH Zurich(瑞士苏黎世联邦理工学院);University of Zurich(苏黎世大学);University of Italian-speaking Switzerland(意大利语瑞士大学);ETH Zurich(苏黎世联邦理工学院);University of Bologna(博洛尼亚大学)
本文通过动态基准测试框架评估GPAI在软件工程中对数据诱导认知偏差的敏感性,发现GPAI系统在面对偏见诱导语言线索时易产生错误推理。
2025-11-29 cs.AI cs.HC cs.SE
Non-cognitive abilities of exceptional software engineers: a Delphi study
软件工程概念的重要构建块无疑是技术性的。在过去的十年中,对非技术性的研究和实际兴趣已经增长,揭示了构建模块是纯技术知识之外的各种技能和能力。人们曾多次尝试对这些模块进行分类,但迄今为止,很少有国际研究通过询问工业界和学术界的专家来确定技能:开发人员需要哪些能力才能在软件工程行业中脱颖而出?为了回答这个问题,我们进行了一项德尔菲研究,邀请了来自全球11个不同国家的36位专家,隶属于21个国际知名机构。这项研究提出了55个确定和排名的技能,分为四个主要领域:沟通技能(移情,积极倾听等),协作技能(分担责任,相互学习等),解决问题的能力(验证假设,解决方案导向的思维等),和个人技能(好奇心,对想法持开放态度等),其中比较了技术专家,企业专家和学者的意见。我们希望这项工作能激励教育工作者和从业者调整他们的培训计划,缩小行业和学术界之间的差距。
2019-10-22 cs.CY cs.SE
Compiler.next: A Search-Based Compiler to Power the AI-Native Future of Software Engineering
Centre for Software Excellence - Huawei Canada(华为加拿大软件卓越中心);School of Computing, Queen’s University(女王大学计算机学院)
Compiler.next是一种基于搜索的编译器,旨在通过降低技术门槛,实现AI原生软件的自动化开发与高效演进。
2026-03-11 cs.SE
The Affect of Software Developers: Common Misconceptions and Measurements
情感的研究(即,在过去的15年里,工作场所的情绪(情绪,情绪)受到了很多关注。尽管事实上,软件开发已被证明是智力的,创造性的,并由认知活动驱动,影响有很深的影响认知活动,软件工程的研究缺乏对软件开发人员的影响的理解。本说明提供了(1)在处理工作满意度,动机,承诺,幸福感和幸福感时对影响的常见误解;(2)用于影响测量的有效测量工具;以及(3)我们在测量软件开发人员的影响时的建议。
2015-05-18 cs.HC cs.SE
Towards Top-Down Automated Development in Limited Scopes: A Neuro-Symbolic Framework from Expressibles to Executables
Monash University(蒙纳士大学);University of Zurich(苏黎世大学)
针对端到端神经代码生成方法在项目级任务中表现不佳的问题,提出融合代码分类法、三层语义金字塔的神经符号SPF框架,支持有限范围内从可表达内容到可执行代码的自顶向下自动化开发。
2023-08-24 cs.LG cs.PL cs.SE
"Should I Give Up Now?" Investigating LLM Pitfalls in Software Engineering
University of Toronto(多伦多大学);Northeastern University(东北大学);University of Chicago(芝加哥大学)
研究LLM在软件工程中的缺陷,通过分析26名参与者的复杂网页开发任务数据,发现九种失败类型,包括不准确或不完整响应、认知过载和上下文丢失,发现不帮助的响应增加了放弃的可能性,而更多提示减少了放弃概率。
2026-04-13 cs.SE
Understanding the Affect of Developers: Theoretical Background and Guidelines for Psychoempirical Software Engineering
情感--情绪和心境--对个体的认知加工活动和工作绩效有影响。已经确定,软件开发任务是通过认知处理活动进行的。因此,我们提出将心理学理论和测量方法引入软件工程研究中。我们称之为“心理经验主义软件工程”。然而,我们发现,现有的SE研究往往陷入误解的影响,开发人员,缺乏背景理论和如何成功地采用心理测量的研究。本文的贡献有三个方面。(1)它强调了进行适当的心理学与情感相关的研究的挑战;(2)它提供了一个全面的文献综述在情感理论;(3)它提出了指导方针进行心理经验软件工程。
2015-09-17 cs.HC cs.SE
A Human-Centred Architecture for Large Language Models-Cognitive Assistants in Manufacturing within Quality Management Systems
Laboratory for Machine Tools and Production Engineering (WZL) of RWTH Aachen University(鲁姆哈根工业大学机械加工与生产工程实验室)
本文提出一种基于组件的架构,用于将LLM-CAs集成到制造业QMS中,提升灵活性、可扩展性和知识管理。
2026-03-17 cs.AI cs.SE
Watson: A Cognitive Observability Framework for the Reasoning of LLM-Powered Agents
Centre for Software Excellence, Huawei Canada(华为加拿大卓越软件中心);Queen's University, Kingston, Canada(皇后大学)
Watson框架通过提示归因技术追溯推断LLM智能体的隐式推理过程,在不改变其行为的前提下实现认知可观测性,并在多个基准和智能体上验证了其对提升Agentware系统透明度和可靠性的实用价值。
2025-09-19 cs.AI cs.SE
Redundant Loads: A Software Inefficiency Indicator
现代软件包已经变得越来越复杂,具有数百万行代码和对许多外部库的引用。冗余操作是这些代码库中常见的性能限制因素。错过编译器优化机会、不恰当的数据结构和算法选择以及开发人员对性能的不关注是冗余操作存在的一些常见原因。开发人员主要依靠编译器来消除冗余操作。然而,编译器的静态分析经常由于模糊性和有限的分析范围而错过优化机会;对算法和数据结构问题的自动优化超出了范围。我们开发LoadSpy,一个完整的程序分析器,以查明冗余的内存加载操作,这往往是许多冗余操作的症状。LoadSpy的优势在于识别和量化程序中的冗余加载操作,并将冗余与程序执行上下文和范围相关联,以将开发人员的注意力集中在有问题的代码上。LoadSpy工作在完全优化的二进制文件上,采用各种优化技术来减少其开销,并提供丰富的图形用户界面,这使它成为一个完整的开发工具。应用LoadSpy表明,尽管自动编译器优化水平最高,但现代软件包中很大一部分冗余负载是常见的。在LoadSpy的指导下,我们优化了几个著名的基准测试和现实世界的应用程序,产生了显着的加速。
2019-02-14 cs.PF cs.PL cs.SE
The impact of software complexity on cost and quality - A comparative analysis between Open source and proprietary software
软件质量的早期预测对于更好地进行软件规划和控制具有重要意义。在早期开发阶段,设计复杂性度量被认为是软件测试工作和一些质量属性的有用指标。尽管许多研究调查了设计复杂性与成本和质量之间的关系,但目前还不清楚我们在个别研究范围之外学到了什么。本文对软件复杂性度量对质量属性的影响进行了系统的综述。我们通过量身定制的荟萃分析方法,从57项主要研究的59个不同数据集中汇总了斯皮尔曼相关系数。我们发现,故障倾向性和可维护性是最经常调查的属性。Chidamber和Kemerer度量套件是最常用的,但不是所有的都是好的质量属性指标。此外,这些指标的影响在专有项目和开源项目中没有什么不同。研究结果对建立跨项目类型的质量模型具有一定的启示意义
2017-12-02 cs.SE
The Cognitive Circuit Breaker: A Systems Engineering Framework for Intrinsic AI Reliability
Jonathan Pan
本文提出认知电路断路器框架,通过提取模型前向传递中的隐藏状态,计算认知不一致度,以实现低延迟的内在可靠性监控,同时展示其在分布外泛化中的有效性。
2026-04-15 cs.AI cs.SE
The Semi-Executable Stack: Agentic Software Engineering and the Expanding Scope of SE
Chalmers University of Technology(挑战者技术大学);Volvo Group(沃尔沃集团)
本文探讨了软件工程领域因AI系统发展而扩展的范围,提出半可执行堆栈模型以分析可执行代码与非可执行 artifacts 的结合,通过三个案例研究重新定义工程目标,提供保留与净化的决策框架。
2026-04-23 cs.AI cs.SE
Assessing the Software Security Comprehension of Large Language Models
University of Notre Dame(诺丁汉大学)
本研究评估了五种大语言模型在软件安全方面的认知能力,发现其在低阶任务表现良好,但在高阶任务如推理和系统设计上存在显著不足,并识别出51种常见误解模式。
2025-12-24 cs.CR cs.LG cs.SE
Automated Generation of Cybersecurity Exercise Scenarios
Linköping University(林雪平大学)
本文提出自动生成功能性IT系统网络安全场景的方法,生成多种标准的演练场景,并开源了模拟环境和包含10万个样本的数据库。
2026-04-01 cs.CR cs.SE
A Survey of Driver Distraction and Inattention in Popular Commercial Software-Defined Vehicles
本文调查了流行商用软件定义汽车中UI设计对驾驶员分心的影响,识别了增加认知负荷的UI特征并评估了缓解风险的设计策略,强调需平衡软件功能与认知工效学以提升驾驶安全。
2025-11-04 cs.HC cs.SE
Flipping a Graduate-Level Software Engineering Foundations Course
创建一个研究生水平的软件工程广度课程是具有挑战性的。范围很广。学生们更喜欢动手而不是理论。企业越来越重视软技能。不断变化的软件技术要求教学大纲是技术不可知的,然而抽象技术会损害现实。教师必须平衡学习的广度和深度。在卡内基梅隆大学,我们设计了一门翻转课堂课程来解决这些权衡。该课程自2014年秋季起在硅谷校园开设。在本文中,我们描述了该课程的主要特点,并总结了我们的经验教训,同时设计,教学和维护它。我们发现,纯粹的翻转课堂格式是不是最佳的,以确保充分的知识转移,特别是在远程设置。我们最初低估了助教资源。我们逐渐补充视频讲座和动手现场会议与额外的现场组件:易于更换的背诵,专注于当前的技术和迷你讲座,解决理论和共同智慧的应用。我们亦为学生提供更多机会,与同学分享他们的成功经验。我们通过增加教学助理的数量,注重教学助理的招聘,并在教学团队中培养导师文化,实现了可扩展性。
2017-02-23 cs.CY cs.SE
Mitigating Prompt-Induced Cognitive Biases in General-Purpose AI for Software Engineering
Collegium Helveticum at ETH Zurich(ETH苏黎世学院);University of Zurich(苏黎世大学);University of Italian-speaking Switzerland(意大利语瑞士大学)
研究探讨了提示诱导认知偏差对软件工程决策支持系统的影响,通过动态基准测试发现,提示工程未能显著降低偏差敏感性,但引入基于最佳实践的推理方法可平均降低51%的偏差敏感性。
2026-04-22 cs.AI cs.SE
SWE-Nexus: Automated Composition of Software Engineering Tasks from Test Execution
National University of Singapore(新加坡国立大学);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);Tsinghua University(清华大学)
该研究提出SWE-Nexus自动化流水线,通过测试执行构建仓库级软件工程任务,基于105个仓库的600个任务基准评估模型,最佳配置单次解决37.8%任务,可实现跨变更的验证行为组合。
2026-10-16 cs.AI cs.SE
LLMs taking shortcuts in test generation: A study with SAP HANA and LevelDB
THK-AI Research Cluster(THK人工智能研究集群);TH Köln(TH科伦大学)
本文研究大语言模型在软件自动化测试生成中的行为,通过对比开源系统LevelDB与商用数据库SAP HANA的测试表现,揭示LLMs在熟悉领域表现优异但面对新复杂领域时依赖编译性而非语义有效性,强调需建立惩罚捷径、奖励泛化的能力评估框架。
2026-04-15 cs.AI cs.SE
The Vibe-Check Protocol: Quantifying Cognitive Offloading in AI Programming
The George Washington University(乔治·华盛顿大学)
本文提出Vibe-Check协议,通过量化指标评估Vibe Coding在软件工程教学中的效果,探讨其对技能保留和概念理解的影响。
2026-01-02 cs.AI cs.CY cs.GR
The Vibe Shift in Software Engineering: Evaluating AI-Led Conversational Programming for Performance, Cognition, and Responsible Adoption
Bukidnon State University(布基农州立大学)
本研究评估AI主导的对话式编程(Vibe Coding),发现其提升开发效率27%但降低代码质量,并提出负责任采用的三支柱框架。
2026-09-10 cs.AI cs.ET cs.SE